AntibodyFlow：用于设计抗体互补决定区的归一化流模型
机器学习
2024-06-21 v1 人工智能
定量方法
摘要
治疗性抗体在过去几十年的药物发现和开发中得到了广泛研究。抗体是专门的保护性蛋白质，以锁钥方式与抗原结合。抗体与特定抗原之间的结合强度/亲和力很大程度上取决于抗体上的互补决定区（CDRs）。现有的机器学习方法将CDRs的计算机模拟开发视为序列或3D图（具有单链）生成任务，并取得了初步成功。然而，由于CDR环具有特定的几何形状，学习CDRs的3D几何结构仍然是一个挑战。为了解决这个问题，我们提出了AntibodyFlow，一个用于设计抗体CDR环的3D流模型。具体来说，AntibodyFlow首先构建距离矩阵，然后根据距离矩阵预测氨基酸。此外，AntibodyFlow进行约束学习和约束生成以确保有效的3D结构。实验结果表明，AntibodyFlow持续优于最佳基线，在有效性比率上相对提高了高达16.0%，在几何图级误差（均方根偏差，RMSD）上相对降低了24.3%。
引用
@article{arxiv.2406.13162,
title = {AntibodyFlow: Normalizing Flow Model for Designing Antibody Complementarity-Determining Regions},
author = {Bohao Xu and Yanbo Wang and Wenyu Chen and Shimin Shan},
journal= {arXiv preprint arXiv:2406.13162},
year = {2024}
}